Question

我需要一个正则表达式来帮助我在我的字符串中进行匹配。这是包含我需要的信息的行：

<td width="140" height="18"><a href="users_folders.cfm?viewfolder=86&viewsub=20207&addSub=20202" class="folderNav"><strong>087690898</strong></a></td>

我需要提取的是href "users_folders.cfm?viewfolder=86&viewsub=20207&addSub=20202"的地址以及存储在两个强标记087690898之间的值。所以我只需要识别看起来像这样的行。

所以我已经弄清楚了这一点：

（匹配任何字符或数字）（匹配＆lt; a href =“）（匹配任何字符或数字）（匹配类=”folderNav“＆gt;）

我将其创建为正则表达式：

[a-z] （＆lt; a href =“）[a-z] （class =”folderNav“＆gt;）

一旦我识别出这个字符串，我就可以解析它拉出我需要的值，但它识别出我遇到问题的字符串。我是正则表达式的新手，并不确定如何做到这一点。我知道正则表达式存在缺陷。我正在使用C＃。

另外，我知道你不应该在HTML上使用Regex，但为此，我不介意快速而肮脏的解决方案。

Answer 1

虽然纯粹主义者会因违反正则表达式/ HTML规则而谴责我永远的诅咒，但这就是你需要的：

string line = @"<td width=""140"" height=""18""><a href=""users_folders.cfm?viewfolder=86&viewsub=20207&addSub=20202"" class=""folderNav""><strong>087690898</strong></a></td>";
Match match = Regex.Match(line, @"<a href=""(?<addr>[^""]*)"" class=""folderNav""><strong>(?<val>[^<]*)</strong></a>");
string addr = match.Groups["addr"].Value;
string val = match.Groups["val"].Value;

(?<name>expression)部分称为“named matched subexpressions”;您可以通过链接到MSDN了解更多相关信息。

在上面的代码中，我们使用命名子表达式来匹配您的地址和值。在每种情况下，除了预期的终止符之外，我们允许匹配任何字符。对于href地址，属性值在"之前结束;因此，我们匹配[^"]*。在<strong>值的情况下，元素文本在<（结束标记）之前结束;因此，我们匹配[^<]*。其余的正则表达式是逐字的。

Answer 2

这样的事情对我有用：

<a href="(?<HREF>[^\"\ ]*)"[^\>]*><strong>(?<TEXT>.*)</strong>

Regex regexObj = new Regex("<a href=\"(?<HREF>[^\" ]*)\"[^>]*><strong>(?<TEXT>.*)</strong>", RegexOptions.IgnoreCase);

var match = regexObj.Match(subjectString);

if (match.Success)
{
string href = match.Groups["HREF"].Value;
string text = match.Groups["TEXT"].Value;
}

Answer 3

更好地解析html以使用html agility pack

HTML的正则表达式创建

3 个答案: